Fig II: mostrando esempio in cui la scalabilità può portare a risultati errati
2) L’algoritmo di clustering deve essere in grado di gestire diversi tipi di attributi.
3) L’algoritmo di clustering deve essere in grado di trovare dati in cluster con la forma arbitraria.
4) L’algoritmo di clustering deve essere insensibile al rumore e ai valori anomali.
5) Interpretare-capacità e usabilità – Il risultato ottenuto deve essere interpretabile e utilizzabile in modo da ottenere la massima conoscenza dei parametri di input.,
6) L’algoritmo di clustering deve essere in grado di gestire set di dati di alta dimensionalità.
gli algoritmi di Clustering possono essere classificate in due categorie:
1) non Supervisionato lineare algoritmi di clustering e
2) senza sorveglianza non lineare di algoritmi di clustering
I. Incustoditi lineare algoritmo di clustering
k-means clustering Fuzzy c-means clustering algoritmo di clustering Gerarchico algoritmo di Gauss(EM) algoritmo di clustering Qualità di soglia algoritmo di clustering
II., Algoritmo di clustering non lineare non supervisionato
Algoritmo di clustering basato su MST kernel k-significa algoritmo di clustering Algoritmo di clustering basato sulla densità